基于人工智能的预测心胸重症监护室停留时间:一种比较机器学习方法
Rafael Maniés Pereira1, Francisco Luís2, Manuel Abecasis3
1Center for Disease Mechanisms Research, Faculdade de Medicina, Universidade de Lisboa, Lisbon, Portugal; Cardiothoracic Surgery Research Unit, Centro Cardiovascular da Universidade de Lisboa, Faculdade de Medicina, Universidade de Lisboa, Lisbon, Portugal; Escola Superior de Saúde da Cruz Vermelha Portuguesa, Lisbon, Portugal.
The Journal of thoracic and cardiovascular surgery
|December 7, 2025
概括
预测长时间的重症监护室 (ICU) 停留时间 (LOS) 是一个挑战. 监督机器学习 (ML) 模型,使用外科手术期间的数据,准确地预测心脏手术患者的长期ICU LOS.
科学领域:
- 人工智能在医学中的应用
- 医疗保健中的机器学习
- 心胸外科手术的结果
背景情况:
- 预测长期重症监护室 (ICU) 停留时间 (LOS) 是复杂的,通常超过传统统计模型的能力.
- 人工智能 (AI) 和监督机器学习 (ML) 提供了新的方法来分析患者的复杂性并提高预测准确性.
- 这项研究的重点是开发和验证ML模型,以预测心脏手术患者的长期ICU LOS.
研究的目的:
- 开发和交叉验证一套监督的ML模型,用于预测长时间的ICU LOS.
- 通过信息获取分析,识别长期ICU LOS的关键预测因素.
- 通过交互式网络应用程序评估开发的ML模型的临床适用性.
主要方法:
- 成年心脏手术患者按ICU LOS (短 ≤2天与长 >2天) 进行分类.
- 信息获取分析确定了ML模型输入的重要预测因素.
- 采用了多个监督的ML算法,并对预测性能进行了比较.
主要成果:
- 在1387名患者中,长时间ICU LOS观察到48.8%的患者.
- 关键预测因素包括序列器官衰竭评估 (SOFA) 评分,血管活性-内热学评分 (VIS),手术前的N终端亲B型尿素,肌素和心肺绕道时间.
- 随机森林模型显示出优异的预测性能 (AUC 0.804),具有67.8%的灵敏度和81.8%的特异性.
结论:
- 监督ML模型提供了一种可靠的方法,用于预测心胸ICU患者使用外科手术期间数据的长期ICU LOS.
- 人工智能增强模型显示出显著的临床适用性,通过开发基于网络的工具来证明.
- 这些模型可以帮助在重症监护机构更好地分配资源和管理患者.
